Menu
    1. 可参考的提示词（Prompts）
      1. 角色设定与总体任务 (Master Prompt)
      2. 分步生成提示词 (Step-by-Step Prompts)

    提示词

    post on 08 Feb 2025 about 1426words require 5min
    CC BY 4.0 （除特别声明或转载文章外）
    如果这篇博客帮助到你，可以请我喝一杯咖啡~

    可参考的提示词（Prompts）

    您可以将这些提示词组合或分步提供给AI，以生成文章的各个部分。

    角色设定与总体任务 (Master Prompt)

    你是一位资深的软件工程师和技术博主，擅长撰写清晰、易于理解的“手把手”教程。

    我需要你帮我写一篇关于“本地化部署DeepSeek模型”的博客文章。

    核心技术栈包括：Ollama、DeepSeek-1.5B模型、Open WebUI。 目标平台：主要是在Windows 11本地部署，其次是在Linux服务器上部署。 文章风格：面向有一定基础的开发者，步骤清晰，配有命令代码和截图占位符 ![截图描述]。

    文章需要包含以下几个部分：

    1. 引言和准备工作（参考资料、实验目的）。
    2. Windows下的详细部署流程：安装Ollama -> 拉取DeepSeek模型 -> 通过命令行和Open WebUI（pip和Docker两种方式）进行交互。
    3. Linux服务器上的简化部署流程，指出与Windows的不同之处。
    4. 一个总结，评价1.5B小模型的优缺点和适用场景。

    现在，请先为我生成文章的大纲和引言部分。

    分步生成提示词 (Step-by-Step Prompts)

    第1步：生成引言和准备工作

    根据我们之前定下的主题“本地化部署DeepSeek模型”，请为我撰写文章的引言、参考资料和实验目的部分。参考资料可以先用占位符链接。实验目的要清晰地列出我们计划完成的任务。

    第2步：生成Windows部署 - Ollama和模型部分

    接下来，请撰写“在Windows本地部署”的第一部分内容。

    1. 下载并安装Ollama：描述如何从 ollama.com 下载并安装Ollama，并为下载页面和安装过程各插入一个截图占位符。
    2. 通过Ollama拉取DeepSeek模型：说明我们将使用 deepseek-r1:1.5b 模型，提供 ollama run 命令，并附上一个查看更多版本的Ollama官网链接。最后插入一个命令成功执行的截图占位符。

    第3步：生成Windows部署 - 交互方式部分

    现在，请详细描述与本地模型交互的几种方式。

    1. 终端回答：简单描述这是最直接的方式，并插入一张终端对话的截图占位符。
    2. 使用open-webui：重点介绍这个方法。
      • 先写一个“注意”块，提醒用户需要Python 3.11和Conda环境。
      • 写一个子标题“使用pip安装”，提供创建conda环境、pip安装和启动服务的完整命令，并说明如何访问（localhost:8080）。插入UI截图占位符。
      • 再写一个子标题“使用docker安装”，提供 docker run 命令，解释端口映射。说明如何访问（localhost:3000）。插入Docker运行状态和UI界面的截图占位符。

    第44步：生成Linux服务器部署部分

    请为我撰写“linux服务器部署”章节。

    • 开头说明这个过程和Windows类似。
    • 提供在Linux下安装Ollama的 curl 命令和 sudo snap install ollama 备用命令。
    • 简要列出后续的 ollama run 和 docker run 命令。
    • 特别提醒用户访问时需要使用服务器的公网IP。
    • 最后插入一张在Linux上部署成功并访问的截图占位符。

    第5步：生成总结部分

    最后，请为整篇文章撰写一个总结。评价一下像DeepSeek-1.5B这样的小参数模型的优势（资源占用、延迟）和局限性（生成能力）。根据这些特点，给出你的最终建议：这类模型适合什么场景（如边缘计算、基础任务），而对于高质量的生产需求，应该选择什么样的模型。

    Loading comments...